本文出自

我如何再造奇異

我如何再造奇異

2017年9月號

你不需要大數據?

You Don't Need Big Data - You Need the Right Data
麥克斯威爾.威塞爾 Maxwell Wessel
瀏覽人數:8967
  • "你不需要大數據?"

  • 字放大
  • 授課文章購買
    購買〈你不需要大數據?〉文章
  • 個人收藏購買
    購買〈你不需要大數據?〉PDF檔
    下載點數 10
Marion Barraud for HBR
你需要的,是正確的資料。本文告訴你如何找出真正有價值的東西。

「大數據」這個詞無所不在。數以「艾位元組」(exabyte,10的18次方位元組)計的資訊,在寬頻管道中流動,企業爭相宣稱擁有最龐大、最大膽的資料集。包含新與舊、工業型和數位型、大型與小型等各種類型的企業,全都進入這個領域。

大量的社交、天氣、政府資料,被用來預測供應鏈的暫停。大量的使用者資料,被大量運用在眾多網站點擊之間,辨識出個人。企業甚至開始利用大量的文字交換,以建立能與顧客對話的演算法。

但其實,我們持續把關注重點放在大數據上,通常會造成誤導。在某些情況中,要從資料取得價值,的確需要擁有大量的那類資料。但對各個產業的創新者來說,關鍵在於,資料規模大小並不是最重要的因素,擁有正確的資料,才是最重要的。

與大小無關

優步(Uber)常被指為大數據的成功故事。毫無疑問,優步確實掌握了大量資訊。它利用旗下司機車子裡,以及用戶手機上運行的應用程式,描繪出人們交通運輸的即時流動情況。

但優步的成功,並不是它收集大數據帶來的成果。那些大數據讓優步得以進入新市場,並完成顧客生活中的新任務。優步的成功,源自截然不同的東西:執行「派車」這個極簡單任務所需要的微小、正確資料。

之前,我們還無法在智慧型手機上按一個鍵,就召來一輛車,因此需要一種稱為「計程車」的東西。計程車大多未連接到網際網路,也未連上任何形式的正式電腦基礎設施,因此它其實是「辨識出乘客」方面的大數據參與者。為什麼?計程車系統需要一個眼球網路,在城市中來回移動,察看是否有人形影像伸出手臂招手。處理這些資料的並不是英特爾(Intel)和惠普(HP)等系統的基礎設施,完成這項工作所需要處理的資訊量非常龐大。運算是在人類大腦中發生,這項事實並未改變需要取得和分析的資料數量。

優步的美妙解決方案是,不要在視覺資料上執行生物異常偵測演算法,而是只要求取得完成該工作所需的正確資料。在這個城市中,誰需要叫車,他們在哪裡?這項關鍵資訊,讓優步、Lyft和滴滴出行等公司,徹底改變整個產業。

找到執行工作所需的正確資料

有時,正確的資料很龐大,有時又很少。但對創新者來說,關鍵在於發現是哪些重要資料可推動競爭地位。那些就是你應該努力找出來的正確資料。為了做到這一點,我建議你詢問以下三個問題,做為深入探究正確資料的一個流程。

問題1:哪些決策促使你在業務中造成浪費?大多數事業裡都有大量的浪費源頭。以花卉零售業為例,花卉零售商可以承受超過50%的存貨損壞率。這表示它們有超過半數的花卉直接成為廢棄物。所以,對UrbanStems和Bouqs這類創新者來說,就是靠能讓它們排除上述花卉損壞情況的資料,使得他們的業務變得如此有顛覆性。(資訊揭露:本文作者投資了UrbanStems。)

套句哈佛商學院教授班.艾德曼(Ben Edelman)的話:「浪費造就機會。」無論是工業生產、零售或法律調查,找出浪費精力和資源的源頭,應該會引導你找到正確的資料。無論它是和你自知已作出的預測(像是應準備多少存貨)一樣簡單,或是需要你思考那些隱藏在商業模式中的決策(像是城裡的計程車在晚上10點如何選擇攬客路線),標示出這些決策,可指引你發現浪費的源頭。

問題2:你可以把哪些決定自動化,以減少浪費?一旦你作好決定,「必須由你來作決定」的這個假設,其實是可以更改的。人類很擅長作某些類型的決定。若要判斷哪些宣傳活動,會引發他人對品牌和行銷內容最不理智的反應,人類可能作出很聰明的決定。這類決定應該繼續由人們自己掌握,至少目前是如此。

但若要作出簡單、可重複、易操作的決定時(例如要派車去哪裡、如何為某個產品定價,或是某家花店該訂多少花),機器往往遠勝過人類。雖然20世紀的許多商業模式,取決於人類對這些決策的控制,但目前我們已可找出適當的資料,以便把一些決策自動化,而能自動化的決策數量,遠超出你的想像。

例如,據說亞馬遜(Amazon)已裁撤幾乎所有的定價團隊,把大多數的定價決策交由演算法控制。對大多數零售商來說,這是離經叛道的舉動。不過,若是亞馬遜的演算法奏效,就可能大幅減少在折扣上的花費、在倉儲中堆積的庫存,並更能預測新產品的推出時機,這每一項都會產生重大的競爭優勢。

問題3:你需要哪些資料來做到這些?一旦你了解既有系統中的浪費,並標示出造成那些浪費的決策,最後一步就是問一個簡單的問題。如果你能取得任何一項資訊(無論是多麼令人難以置信的資訊),來制定完美的決策,那會是什麼資訊?

以優步來說,它必須確切知道城裡所有潛在乘客的位置,才能以自動化方式決定該派司機前往哪裡,並減少司機尋找下一個乘客時,可能產生的浪費。以奇異(GE)Predix工業網際網路軟體來說,該公司很想要明確知道一部機器何時會故障,以便把何時派人到場維修的決定自動化,並減少因意外停機造成的浪費損失。尋求削減成本的健保公司會很想知道,糖尿病患何時血糖會降到危險的程度,以便把何時介入病患診治的決定自動化,並減少不當處理疾病造成的浪費。

那些就是應該找出來的正確資料。如果你處理大量資訊後得到那些正確資料,那會很棒。如果你能建置一個新的應用程式,來直接觀察它們,以取得正確的資料,就更好了。

大多數公司花太多時間關注大數據,卻很少花足夠的時間思考,應尋求哪些正確的資料。

(林麗冠譯自2016年11月3日HBR.org數位版文章)



麥克斯威爾.威塞爾

麥克斯威爾.威塞爾 Maxwell Wessel

SAP.iO總經理、史丹福大學商學研究所講師,以及新一代創業投資合夥(Nextgen Venture Partners)投資人。


本篇文章主題數據資料